mHealth 2.0: Experiences, Possibilities, and Perspectives
Notice bibliographique
Résumé
With more than 1 billion users having access to mobile broadband Internet and a rapidly growing mobile app market, all stakeholders involved have high hopes that this technology may improve health care. Expectations range from overcoming structural barriers to access in low-income countries to more effective, interactive treatment of chronic conditions. Before medical health practice supported by mobile devices ("mHealth") can scale up, a number of challenges need to be adequately addressed. From a psychological perspective, high attrition rates, digital divide of society, and intellectual capabilities of the users are key issues when implementing such technologies. Furthermore, apps addressing behavior change often lack a comprehensive concept, which is essential for an ongoing impact. From a clinical point of view, there is insufficient evidence to allow scaling up of mHealth interventions. In addition, new concepts are required to assess the efficacy and efficiency of interventions. Regarding technology interoperability, open standards and low-energy wireless protocols appear to be vital for successful implementation. There is an ongoing discussion in how far health care-related apps require a conformity assessment and how to best communicate quality standards to consumers. "Apps Peer-Review" and standard reporting via an "App synopsis" appear to be promising approaches to increase transparency for end users. With respect to development, more emphasis must be placed on context analysis to identify what generic functions of mobile information technology best meet the needs of stakeholders involved. Hence, interdisciplinary alliances and collaborative strategies are vital to achieve sustainable growth for "mHealth 2.0," the next generation mobile technology to support patient care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».